YouTubeロングフォームとショートのAI引用率は94.3%対5.7%——実測データの示す差

YouTubeロングフォームとショートのAI引用率は94.3%対5.7%——実測データの示す差

この記事の結論: OtterlyAIが100万件超のAI引用を分析した結果、YouTube動画のAI引用のうち94.3%がロングフォーム動画に集中し、ショート動画はわずか5.7%にとどまった。差を生んでいるのは再生数や登録者数ではなく、字幕・チャプター・概要欄が形成する「情報密度」という構造的要因である。引用の38.7%はPerplexity経由が占め、単一プラットフォームとして最大シェアを記録した。

最終更新日: 2026年7月1日

はじめに

YouTube Shortsに運用リソースを集中させているチャンネルは多い。再生数の伸びやすさ、制作コストの低さ、視聴者獲得スピードを考えれば合理的な判断に見える。しかし、AI引用という観点で見ると、この戦略には見落としがある。

OtterlyAIが100万件を超えるAI検索の引用データを分析した調査によれば、YouTube動画がChatGPT・Perplexity・Google AI Overviewsなどに引用された件数のうち、94.3%がロングフォーム動画によるものだった。ショート動画の引用は5.7%にすぎない。視聴回数ベースで見ればショートの方が圧倒的に再生されているはずなのに、AIが回答の根拠として選ぶのは長尺動画に偏っている。

この記事では、94.3%対5.7%という差がなぜ生まれるのかを構造面から解き明かし、ショート運用者がAI引用の機会をどう拾えるか、ロングフォームの引用効果をさらに伸ばすチャプター設計の要点、プラットフォームごとの引用傾向、そして自社チャンネルで同様の差を測定する方法までを順に扱う。

94.3%対5.7%——実測データが示す引用構造

OtterlyAIの調査は100万件超のAI生成回答を対象に、引用元となったURLのドメイン・コンテンツ形式を分類したものだ。YouTube由来の引用だけを抽出した結果が、ロングフォーム94.3%、ショート5.7%という数値である。

この比率は単なる「数の問題」ではない点に注意が必要だ。YouTube全体の公開本数で見れば、近年はショートの投稿数がロングフォームを上回るチャンネルが多数を占める。にもかかわらず引用の絶対量では長尺が圧倒している以上、1本あたりの「引用される確率」はロングフォームの方がはるかに高いと推測できる。

さらに注目すべきは、調査内で報告されたチャプターレベルの引用事例だ。1本のロングフォーム動画が持つ3つの異なるチャプターが、それぞれ別のクエリに対するAI Overviewsの回答で個別に引用されたケースが確認されている。1本の動画が複数の異なる検索意図に対して同時に「ソース」として機能する現象であり、ショート動画の構造ではほぼ再現できない。

下表に、ロングフォームとショートの引用関連指標を整理する。

なぜ94.3%もの差が生まれるのか——構造的理由

数値の差は偶然ではない。AIが動画コンテンツを参照する仕組みそのものが、ロングフォームに有利に働くよう設計されているわけではないが、結果的にロングフォームを選びやすい構造になっている。

第一に、AIは動画を「視聴」せず「読んでいる」。生成AI検索が動画を引用する際、実際に処理しているのは字幕（トランスクリプト）・概要欄・チャプタータイトルといったテキスト情報だ。ロングフォーム動画は5分・10分・30分という尺の中で、ひとつのテーマを多角的に掘り下げるため、字幕として取得できるテキスト量が必然的に多くなる。テキスト量が多いほど、AIが質問とマッチングできる情報の「面積」が広がる。

第二に、チャプター構造の有無。YouTubeのチャプター機能は最初のタイムスタンプが0:00から始まり、3つ以上のタイムスタンプを昇順で記載するという条件を満たすロングフォーム動画でのみ機能する。ショート動画は尺の制約上この仕組みに対応していない。チャプターがあることで、AIは動画内の特定セグメントを「見出し付きの回答候補」として切り出せる。これが前述したチャプター単位の複数引用を可能にしている。

第三に、トピックの深さと文脈の連続性。ショート動画は60秒以内に1つのメッセージを伝えることに特化したフォーマットだ。情報量は少なく、文脈も単純化されている。一方、AIが生成する回答は多くの場合、背景・理由・具体例・反論への言及といった複数の要素を必要とする。ロングフォームはこの複数要素を1本の中に含みやすく、AIにとって「まとめて引用できる情報源」として扱いやすい。

第四に、概要欄の情報密度。ロングフォーム動画の概要欄は数百字から千字超の説明を記載する運用が一般的だが、ショート動画の概要欄は数十字程度で済ませるケースが大半だ。AIが動画の主題やキーワードを把握する際の手がかりとなる概要欄テキストの差も、引用率の差に直結している。

ショートをAI引用に活かす数少ない方法

ショートがAI引用において不利であることは構造上避けがたいが、まったく無力というわけではない。条件次第で引用候補になり得る数少ない方法を整理する。

単一の明確なクレームに絞る。ショート動画でAI引用が発生する事例の多くは、「1つの問い」に「1つの明確な答え」を提示する構成を取っている。「〇〇とは何か」「〇〇の正解はこれ」のように、検索クエリと一対一対応しやすい内容であれば、短尺でも引用候補になり得る。

概要欄とタイトルでテキスト情報を補強する。ショートであっても概要欄は記載できる。動画内で語られる結論をテキストとして概要欄に明記しておくことで、AIが映像を介さずとも主張内容を把握できる状態を作れる。

ロングフォームへの導線として位置づける。ショート単体でのAI引用を狙うのではなく、ショートで認知を獲得し、同テーマのロングフォーム動画へ視聴者を誘導する設計の方が、チャンネル全体のAI引用機会の最大化には効果的だ。ショートが入口、ロングフォームがAI引用の資産という役割分担を前提に運用を組み立てる発想が現実的である。

シリーズ化してトピック権威性を補う。同一トピックのショートを連続投稿し、チャンネル全体としてそのテーマへの専門性を示すことで、AIがチャンネルを「このジャンルの情報源」として認識しやすくなる可能性がある。個々のショートの引用率は低くても、チャンネル単位の評価向上に寄与しうる。

ロングフォームの引用最適化——チャプター設計が分水嶺になる

ロングフォームがAI引用で優位なことは確認できたが、すべてのロングフォーム動画が等しく引用されるわけではない。実際にはチャプター構造が整備されているかどうかで、引用機会に大きな差が出る。

チャプター有効化の条件を満たす

YouTube公式が定める条件は3つ。最初のタイムスタンプを0:00から始めること、3つ以上のタイムスタンプを昇順で記載すること、各チャプターの長さが10秒以上あることだ。この条件を満たさないと、せっかくの長尺動画でもチャプターという「目次」がAIに提供されないまま終わる。

チャプタータイトルに検索クエリ相当の語句を含める

「Part1」「本編」のような汎用的なタイトルでは、AIが質問とマッチングする手がかりを持てない。「〇〇のやり方を3ステップで解説」のように、視聴者が検索しそうなフレーズに近い形でチャプタータイトルを構成することで、特定のセグメントが特定のクエリに引用される確率が上がる。

1チャプター1トピックの原則を守る

複数のトピックを1つのチャプターに詰め込むと、AIがそのセグメントをどのクエリに対応させればよいか判断しにくくなる。チャプターを区切る際は、内容のまとまりとクエリの単位を一致させることを意識する。

字幕の精度を上げる

チャプターが「目次」だとすれば、字幕は「本文」にあたる。自動生成字幕は固有名詞や専門用語の誤認識が起きやすいため、手動修正または手動アップロードした字幕の方がAIによる内容理解の精度を高める。チャプタータイトルで使ったキーワードが、対応する字幕区間でも自然に登場するようにしておくと、AIがセグメントとトピックの対応関係をより正確に把握しやすい。

概要欄でチャプターリストを補強する

概要欄の冒頭でその動画が何を扱うかを簡潔に示し、続けてタイムスタンプ付きのチャプターリストを記載する構成が定石だ。チャプター機能と概要欄テキストを二重に構造化することで、AIが内容を把握する経路を複数確保できる。

プラットフォーム別の引用傾向——Perplexityが38.7%でトップシェア

OtterlyAIの調査では、YouTube由来のAI引用のうちプラットフォーム別の内訳も示されている。最大のシェアを占めたのはPerplexityで38.7%。単一のAI検索プラットフォームとしては最大の割合である。

Perplexityが高いシェアを占める背景には、リアルタイム検索インデックスとの連携の強さがある。Perplexityは複数のウェブソースを並列で引用するスタイルを取り、テキスト化された情報を積極的に取り込む設計になっている。YouTube動画の字幕・概要欄・チャプター情報がテキストとして整備されていれば、Perplexityの引用候補に入りやすい。

一方、Google AI Overviewsは自社エコシステム内のYouTubeを優先的に参照する傾向が別途報告されている。GoogleとYouTubeが同一親会社であることを踏まえれば、検索結果に統合されたAI Overviewsの中でYouTube動画が高頻度で引用されるのは自然な帰結だ。

ChatGPTについては、Webブラウジング機能を介してYouTube動画ページやその字幕情報を参照するケースが報告されているが、Perplexityほど積極的に動画ソースを引用する設計にはなっていないとする観察もある。プラットフォームごとに引用ロジックが異なる以上、「YouTube最適化をすればすべてのAI検索で同様の効果が出る」と単純化せず、Perplexityのような高シェアのプラットフォームを意識した構造化を優先する判断が妥当だろう。

自社チャンネルで94.3%対5.7%の差を再現して測る方法

ここまでの数値はOtterlyAIの大規模調査によるものだが、自社チャンネルでも同様の傾向が起きているかを検証する手順を用意しておきたい。

ステップ1: 引用確認の対象クエリを洗い出す

自社のロングフォーム動画・ショート動画それぞれが扱うトピックについて、視聴者が生成AI検索で入力しそうな質問文をリストアップする。動画タイトルやチャプタータイトルをベースに作成すると効率的だ。

ステップ2: 各AI検索プラットフォームで手動確認する

ChatGPT・Perplexity・Google AI Overviewsなど主要なプラットフォームで、洗い出したクエリを実際に入力し、自社のYouTube動画（ロングフォーム・ショートそれぞれ）が引用されているかを記録する。週次または月次で継続することで、引用発生の傾向を時系列で追える。

ステップ3: 引用件数をロングフォームとショートで分けて集計する

引用が確認できた件数を動画形式別に集計し、自社チャンネル内でのロングフォーム対ショートの引用比率を算出する。OtterlyAIの94.3%対5.7%という比率と比較することで、自社の動画構造に改善余地があるかを判断できる。

ステップ4: チャプター有無・字幕精度との相関を見る

引用されたロングフォーム動画について、チャプターが設定されているか、字幕が手動修正されているかを確認する。引用されなかった動画との差分を洗い出すことで、自社チャンネル内での「引用されやすい動画の条件」を特定できる。

ステップ5: GA4でAI検索経由の流入も併せて確認する

引用が発生していても、それがクリックや流入に結びついているかは別の問題だ。GA4のリファラー分析でChatGPT・Perplexity・Geminiなどのドメインからのセッションを継続的にモニタリングし、引用確認の結果と突き合わせることで施策の効果を立体的に把握できる。

よくある質問

Q1. ロングフォームのAI引用シェアが94.3%なのはなぜか?

字幕・概要欄・チャプターによるテキスト情報量がショートより圧倒的に多く、AIが質問とマッチングできる情報の面積が広いためである。

Q2. ショート動画は何分以上だとAI引用に有利になるか?

ショートの定義自体が60秒未満であり、その範囲内では尺を延ばしても構造的な不利は解消されない。AI引用を狙うなら5分以上のロングフォームへの移行が現実的な選択肢になる。

Q3. 38.7%という数値はYouTube引用全体に占めるPerplexityのシェアか?

その通りである。YouTube由来のAI引用全体のうち、Perplexity経由が38.7%を占め、単一プラットフォームとして最大のシェアとなっている。

Q4. チャプターを設定すれば必ずAI引用が増えるか?

増える可能性は高まるが保証はない。チャプタータイトルの語句選定、字幕の精度、概要欄の情報量など複数の要素が組み合わさって初めて引用候補としての評価が高まる。

Q5. 既にショート中心で運用しているチャンネルはどう方針転換すべきか?

ショートを即座にやめる必要はない。認知獲得の役割はショートに残しつつ、同テーマのロングフォームを並行制作し、AI引用とチャンネル全体の専門性評価をロングフォーム側で積み上げる二段構えが現実的だ。

Q6. チャプターレベルでの複数引用とはどのような現象か?

1本の動画内の異なる3つのチャプターが、それぞれ別の検索クエリに対するAI Overviewsの回答で個別に引用された事例が報告されている。1本の動画が複数のクエリに対して同時に情報源として機能する構造である。

Q7. ロングフォームとショートのどちらを先に最適化すべきか?

AI引用の観点ではロングフォームの構造最適化(チャプター・字幕・概要欄)を優先する方が投資対効果は高い。ショートは認知獲得という別の役割で運用しつつ、並行してロングフォームの引用資産化を進める順序が妥当だ。

Q8. 自動字幕のままでもAI引用は発生するか?

発生する可能性はあるが、固有名詞や専門用語の誤認識がAIの内容理解を妨げることがある。引用精度を高めたい場合は手動修正または手動アップロードした字幕が望ましい。

Q9. Google AI OverviewsでもPerplexityと同様にYouTubeが優先されるか?

GoogleとYouTubeが同一親会社であることから、AI Overviews内でもYouTube動画が高頻度で参照される傾向が別途報告されている。ただしプラットフォームごとに引用ロジックの重みづけは異なる。

Q10. 自社チャンネルで94.3%対5.7%という比率を再現できなくても問題ないか?

業種・チャンネル規模・コンテンツの専門性によって比率は変動する。重要なのは絶対値の一致ではなく、ロングフォームへの構造投資が自社チャンネルの引用件数を実際に押し上げているかという相対的な変化を継続観測することだ。

関連用語

• YouTube Shorts — 60秒未満の縦型短尺動画フォーマット。チャプター機能には対応していない
• YouTube SEO — 動画の検索露出を高めるための最適化技術全般
• 動画SEO — 動画コンテンツに特化した検索最適化手法
• Perplexity — YouTube引用シェア38.7%を占めるAI検索プラットフォーム
• AI Overview — GoogleのAI生成検索結果機能。YouTubeを優先的に参照する傾向がある
• LLMO — 生成AI検索エンジンに自社コンテンツが引用・参照されやすくなるよう最適化する施策全般
• 視聴維持率 — YouTubeアルゴリズムが重視する評価指標
• チャプターマーカー — 動画を複数のトピックセグメントに分解するメタデータ
• クローズドキャプション — AIが動画内容を読み取る際の主要なテキストソース
• グラウンディング — AIが外部ソースを参照して回答を生成するプロセス

関連記事

ピラー記事

• YouTube SEO完全ガイド：LLMO時代の動画最適化戦略
• AI検索最適化ガイド：GEO・LLMOの基礎から実践まで
• LLMO完全ガイド：生成AI検索に選ばれるコンテンツを作る方法

クラスター記事

• YouTube 低再生数でもAI引用される構造と条件——実測的考察
• YouTubeがAI引用ソース1位に——Redditを超えた構造的理由と日本市場対応
• 業界別YouTube AI引用率——日本市場の実態2026
• AI検索における動画とブログのROI比較
• 動画記事のAI引用率比較研究
• Google AIモードでYouTubeが引用される条件
• AI検索でのYouTubeチャンネル最適化戦略
• マルチモーダルAIクローラーの動画理解最適化